学习任务

1. 注册并开通 豆包 / 千问开放平台，获取 API 密钥、地址（本文示例用的是蓝耘平台，付费的deep seek作为案例）
2. 用 Node.js 写第一个最简单的大模型文本生成接口（代码使用node.js编写）
3. 对比网页版和 API 版的输出差异（很多时候前端咨询ai问题，都是从网页端方式（有局限性…），第一次从终端方式调用，便于后续扩展学习，在代码中直接调用ai模型对话功能…）

一、初始化项目

• 找到具体盘文件下，shift+右键打开prwershell终端，

• 执行创建项目文件夹：mkdir lanyun-deepseek-demo

• 进入文件夹目录：cd lanyun-deepseek-demo

• 初始化，直接生成标准配置文件，不需要手动确认：npm init -y

• 依次安装三个核心包：npm install openai express dotenv
  注：openai：调用 AI 接口、 express：搭建后端服务、dotenv：安全管理环境变量
  安装后会生成 node_modules（存放代码包）和 package-lock.json（锁定依赖版本）。

  

二、编写代码（index.js）

1. 配置，ai模型的key、模型api地址、模型的名称【具体平台可以找ai咨询位置】

   

   require('dotenv').config();
   const express = require('express');
   const { OpenAI } = require('openai');
   
   const app = express();
   app.use(express.json());
   
   // 初始化蓝耘DeepSeek客户端
   const client = new OpenAI({
     apiKey: process.env.LANYUN_API_KEY, // 你的蓝耘API Key
     baseURL: 'https://maas-api.lanyun.net/v1', // 蓝耘平台API地址
   });
   
   // 1. 基础文本生成接口
   app.post('/chat', async (req, res) => {
     try {
       const { prompt } = req.body;
       if (!prompt) return res.status(400).json({ error: 'prompt不能为空' });
   
       const response = await client.chat.completions.create({
         model: '/maas/deepseek-ai/deepseek-v3', // 替换成你开通的模型标识
         messages: [{ role: 'user', content: prompt }],
         temperature: 0.7,
       });
   
       res.json({
         question: prompt,
         answer: response.choices[0].message.content,
       });
     } catch (error) {
       console.error('调用失败:', error);
       res.status(500).json({ error: '接口调用失败', detail: error.message });
     }
   });
   
   // 启动服务
   const PORT = 3000;
   app.listen(PORT, () => {
     console.log(`服务已启动：http://localhost:${PORT}`);
   });
   

2. 例如，蓝耘中模型地址就是直接复制这串，其实看代码中示例，模型标识格式，大致都能找到，密钥和地址也可以通过类似方式去找,

   

3. 启动项目，终端方式ai对话

   Invoke-WebRequest -Uri "http://localhost:3000/chat" -Method Post -Headers @{"Content-Type"="application/json; charset=utf-8"} -Body '{"prompt":"Introduce Nanjing food"}' -UseBasicParsing
   

   

三、总结

1. 现在的代码，本质上是把蓝耘平台的 DeepSeek Ai 大模型，封装成了一个完全控制的本地接口。这意味着：
   不再受限于网页端平台的限制：网页版有对话次数、上下文长度、自定义配置的限制，而现在可以通过代码，自由控制：模型参数、对话历史等。

2. 后续可以把 AI 集成到任何项目里：这是所有 AI 应用的基础，比如：
   给前端项目加一个 AI 聊天助手
   开发一个自动写代码 / 写文案的小工具
   做一个本地知识库问答系统
   批量处理文本（比如翻译、总结、分类）